与「AI投研」相关的搜索结果

做美股研究，数据这关最难过。行情、财报、宏观指标分散在几十个网站，手动拼凑既费时又容易出错。 GitHub 上狂揽 65.1k Star、6.4k Fork 的顶级开源项目 OpenBB，最近支持了 MCP 协议，可以直接接入 Claude 等众多大模型——相当于给 AI 装上了一套实时金融数据库，让它帮你干数据收集这件脏活。 一句话概括：它给开发者和分析师提供了一套工业级的全球金融数据与资讯基础设施。 它绝不仅仅是一个看新闻的网页，而是一个把全球金融市场数据打通的超级枢纽。通过 MCP 协议，你的 AI Agent 能瞬间调取核心信息，直连华尔街日报、Seeking Alpha、Benzinga、美联储（FRED）、IMF、SEC、Cboe 等 30多 家数据源： 全球资讯：实时抓取公司新闻和市场情绪，例如来自华尔街日报、Seeking Alpha、Benzinga、Biztoc 等众多资讯源。 全品类行情：美股、A股、港股、期权（Cboe、Tradier）、外汇、加密货币（Deribit）等市场的历史与实时数据一网打尽。 深度基本面：秒拉 SEC 财报、FMP 估值指标、Intrinio 深度数据等专业平台的海量基本面信息。 宏观经济：无缝对接美联储（FRED）、IMF、OECD、欧洲央行（ECB）、美国劳工局（BLS）、美国政府数据等权威机构的宏观指标。 这意味着，无论是 OpenAI 的 ChatGPT、Anthropic 的 Claude，还是 Google 的 Gemini，都能通过 OpenBB 获得实时、准确、全面的金融数据支持，成为你专属的金融分析师。 以前做投研，是自己当"人肉爬虫"和"网页切换员"，在几十个财经网站里苦哈哈地拼凑数据；现在，有了 OpenBB，可以把收集行情、清洗数据、提取财报的脏活累活全交给 AI，把精力全部压在市场逻辑和交易决策上。 如果你想搭一套自己的金融数据基础设施，或者让 AI 帮你做投研的数据层，这是目前开源里最成熟的选择～有需要的可以看看。#美股# #AI投研# #OpenBB# 🔗 项目地址：

我发现只要市场一下跌，Serenity @aleabitoreddit 推文评论区里，总有人抱怨市场下跌，询问市场为什么跌。 他现在不仅是研究 AI 产业链瓶颈的投资者了，在散户心里，他已经成为了掌控全球市场的耶稣😂 但从我对于 Serenity 的观察来看，他基本不怎么 care 短期市场的涨跌，更多关注长期的产业瓶颈以及增长潜力。 我想正是因为 Serenity 对于 AI 产业链投研足够的专注以及对于市场各路短期噪音的选择性瓶颈，才让他能够挖掘出这么多十倍甚至几十倍涨幅的标的。 这也是我们投资者最需要学习的地方。 短期市场走势不需要猜，也绝对猜不到。看到某个领域长期增长的趋势，挖掘增长中最受益的标的，才是我们最应该投入时间和精力的地方。

上一轮周期操作对了八次错了一次，但往往那一次代价是巨大的，不过大家不用过于担心都是上一轮利润回撤。这次反弹结束后全力准备好抄底新一轮操作，并且一半以上时间和精力投研AI股和投资(寻找大神学习中)，乐观者永远选择相信趋势，只有相信才不会恐慌加密低点和AI高位。

上次用 @dappOS_com 做的视频拿到了 Binance 的奖励，所以这次看到 xBubble 上线 US Equity Research SOP，我认真测了两天。 我让它分别做了 $MRVL 和 $ARM 的研报，又把同样的问题丢给别的AI做对照。 看完两边结果，我的感受很直接：如果只是快速了解一家公司，通用 AI 已经够用；但如果要进入投资研究状态，xBubble 的完整度明显高一个层级。 2/ 别的AI给我的回答，更像一份快速公司介绍。 它能告诉你公司大概做什么、最近市场在关注什么、有哪些常见观点。适合快速扫一眼，建立初步印象。 但 xBubble 给出的东西更接近一份可以继续深挖的研究底稿。 它会从公司怎么赚钱、处在产业链哪个位置、主要客户和竞争对手是谁、未来增长来自哪里、估值大概怎么拆、接下来哪些事件值得跟踪，一层一层展开。 3/ 拿 $MRVL 和 $ARM 来看，这个差异很明显。 同样是 AI 相关芯片标的，普通回答容易停留在“AI 受益、数据中心需求、市场空间大”这些层面。 xBubble 会继续往下拆： MRVL 的定制芯片、数据中心互联、光通信相关业务分别怎么影响收入； ARM 的授权模式、版税收入、终端设备和数据中心渗透率分别对应什么逻辑； 不同业务线应该用什么方式估值； 未来 3-6 个月哪些财报、客户进展、产品节奏会影响市场预期。 这已经不是简单问答，更像把一家公司放到交易前重新体检了一遍。 4/ 我觉得 xBubble 最强的地方，是它给你一个研究顺序。 很多人看美股，第一反应是看涨幅、看新闻、看社群讨论。 xBubble 的顺序更专业： 先看公司商业模式， 再看行业位置， 再看竞争格局， 再看财务变化， 再看估值区间， 最后看催化事件。 这个顺序很重要。因为研究股票最怕信息很多，但没有主线。xBubble 会先帮你把主线搭起来。 5/ 第二个差异，是信息来源。 普通AI更适合做快速总结；xBubble 会把关键数据对应到来源，包括公司正式披露的财报文件、官方投资者资料、业绩会上的管理层发言记录、公司新闻稿，以及管理层对未来业绩的公开预期。 简单说，你看到一个数字，可以顺着来源回去查。 这点对投研很关键。因为真正影响判断的，往往不是一句结论，而是这句结论背后有没有原始依据。 6/ 第三个差异，是它会给多情景估值。 普通 AI 很容易给你一段“看好原因”和“需要关注的风险”。 xBubble 会进一步拆成 Bull / Base / Bear 三种情况： 如果业务进展更顺，股票大概对应什么价值； 如果按中性预期推进，估值怎么落； 如果市场预期放缓，下方区间在哪里。 这对交易很实用。 因为买一只股票之前，最重要的不是只知道它好在哪里，还要知道自己在押什么预期，以及预期变化后价格可能怎么反应。 7/ 第四个差异，是它能继续迭代 SOP。 这次的 US Equity Research SOP 只是一个入口。Bubble Engine 可以继续根据行业、市场、个人研究习惯，生成更细的研究流程。 比如你只看半导体，它可以把芯片设计、晶圆代工、封装测试、服务器需求、云厂商资本开支这些变量放进框架里。 比如你只看 AI 基建，它也可以围绕算力需求、网络设备、存储、定制芯片、客户集中度去搭研究路径。 这才是我觉得它很有潜力的地方：它不只是在回答问题，也在帮用户形成更专业的研究流程。 8/ 现在 Binance、OKX、Bitget、Bybit 等平台都在扩展美股相关资产，全球资产和加密用户之间的距离越来越近。 交易入口打开以后，真正拉开差距的会是研究能力。 同样问一个问题，通用AI适合帮你快速认识一家公司；xBubble 更适合帮你把一家公司拆成可以研究、可以验证、可以跟踪的投资框架。 一句话交给 xBubble 的 US Equity Research SOP，生成买方级美股研究报告。 它节省的是找资料、搭框架、核来源的时间；最后的判断，仍然留给你自己。🫡

李哥 @hazenlee 是我在推上最最最敬佩的老师 没有之一 不是从别的博主推荐，而是在Xhunt，我承认，我一开始接近的目的，很功利。 但现在，我非常庆幸，能遇到hazenlee，粉丝都叫他李哥 一位可以比肩甚至超越华尔街无数顶尖投研者的超级金融分析师，顶尖交易员 推特入驻几个月，我居然没有看到任何一个KOL推荐这位老师。 但这并不影响李哥的推文，篇篇几万几十万的浏览 在李哥的推文里，你能学到什么呢 超级敏锐的盘感，极具针对性的指标分析，李哥多年交易投资心法，对人性深度的洞察，以及对美股，对ai独到的判断 先看老师极强的盘感和判断力： 1.年初，比特币从9.7w一路跌倒5w。1.29当天，比特币暴跌百五，跌破支撑，李哥直言加密带全世界下地狱，一周后，加密市值缩水40%，币安广场无数顶尖带单员爆仓。 2.上个月，无数人喊牛回，月底以太坊从2500跌到2200，李哥名牌看空头盛宴，今天跌到1800 李哥布施技术分析 六月2号，也就是今天，大暴跌来临前，李哥敏锐察觉 3. AI科技股的巨大泡沫，未来必被原油搓破： 4.顶尖交易员的历史战绩 5.黄金两次见顶 6.推上你只能看到无脑看多美股，看空一切人民币资产，李哥告诉你，人民币资产，是最好的避险资产 李哥的投资心法与指标分析教学 1.现在想要定投纳指，拥抱ai科技，李哥告诉你什么才是真正的投资 2.指标不会骗人，如何判断插针行情 3.hype适合当加密领先指标 李哥顶级金融分析师的判断： 1.比特币与美股，跟涨不跟跌，看空但看好他的未来 2.人性指标永远奏效 3.情绪溢价，李哥多次警示风险 4.提前预判量化砸盘 5.李哥对ai，对特朗普访华的解读 6.讽刺微策略等机构的自圆其说 篇幅有限，能列到的只有这么多了，李哥的优质观点推文，太多太多，列不完的 很多人不是想要优质的信息源么，方法很简单 点进李哥的主页，右上角，点击小铃铛 然后你就会得到比华尔街投行界，还要顶级的金融信息 就这么简单 ----致敬我最敬仰的李哥

$OPG 上币安现货了，项目方拿出了总量4%代币给bnbholder们空投。 详细空投情况可以看看这个： 项目背景a16z、Coinbase投资，做的不仅是去中心化AI算力，同时也是可验证的AI网络。Verifiable AI这个赛道还是有潜力的，如果未来 Agent 真要管理资产，那么可信推理层可能会成为刚需。 很多人都在讨论 Agent 如何交易、如何分析、如何自动执行任务，但很少有人思考一个更底层的问题： 如果未来 Agent 真的开始管理资产、执行链上操作，市场凭什么相信它没有作弊？ OpenGradient（$OPG）正在尝试解决这个问题。 与 Render、 等算力项目不同，OPG 的核心并不是提供 GPU，而是构建一个 Verifiable AI Network（可验证 AI 网络），让每一次 AI 推理都能够被证明真实发生、真实执行、真实输出。 简单来说，今天你调用一个 AI 模型，只能选择相信平台；而在 OpenGradient 的设计中，AI 推理过程可以通过可信执行环境（TEE）生成验证证明，实现从“Trust AI”到“Verify AI”的转变。 这个叙事背后对应的是一个更大的趋势：过去区块链解决的是“如何验证交易”，未来 AI 基础设施要解决的则是“如何验证智能”。 当 AI Agent 开始参与交易、投研、治理甚至资金管理时，可信执行层可能会像预言机、数据可用性层一样，成为整个生态不可缺少的一部分。 AI + Crypto 的项目很多，但真正押注“可验证 AI”赛道的并不多。 如果说 Agent 是 AI 时代的新应用层，那么 OpenGradient 想做的，或许是 Agent 时代的信任层。

发现一个宝藏应用，@dappOS_com 旗下的新产品 @xBubble_ai 简直惊喜。 记着明天得前几天晚上，为了制作一份详细的新项目投研简报，我全神贯注地在屏幕前与 AI 工具深度互动到了凌晨。 我尝试了多个不同的大模型，不断精进和打磨提示词，希望得到最完美的输出。 这个过程让我深刻意识到，熟练驾驭 AI 需要极高的耐心与时间投入。 我们都满怀期待地想让 AI 成为得力助手，但在实际操作中，为了让结果更精准，我们往往要投入大量精力去引导。 这让我开始思考：一定存在一种更流畅、更懂人心意的方式，让工具真正服务于我们的直觉。 于是，我发现了xBubble，它更加高效几乎能够一键解决我的烦恼，一图看清！ 2.如今大模型的迭代日新月异，获取强大现在各大平台的新模型层出不穷，算力早已不是瓶颈， 但真正拉开体验差距的是什么？是“会写神级提示词”与“不会写”的差距，是“懂代码和编写技能（Skill）”与“完全不懂”的差距。 为了让大家直观感受到这种体验上的天壤之别，我们可以从几个真实的投研和工作场景，来看看传统 AI 工具和采用“低提示词”理念的 xBubble 到底有何不同：  3.对于很多追求高效的专业人士和中小团队来说，这背后隐藏着巨大的隐性时间投入。 为了让 AI 的输出稳定可靠，我们需要持续评估不同模型在各类任务中的表现，精心挑选适配的工具组合。 很多创业团队也面临着权衡：增设专职岗位预算较高，而让现有团队从头学习 AI 调优，沟通和学习成本同样可观。 更重要的是，每当大模型迎来更新，我们积累的经验往往需要重新建立。 我们真正渴望的，是一个能精准理解模糊指令、即开即用的智能系统，让大家把宝贵的时间集中在核心业务上。 4.好消息是，技术创新的脚步总能为我们带来极佳的解决方案。 近期 dappOS 推出的 xBubble 就是那个让人充满期待的行业破局者！它创新性地提出了 Low-prompt AI0理念，简单来说，就是“AI 替用户使用 AI”。 其核心枢纽 Bubble Pilot 就像一位超级懂你的智能管家，你只需要像和朋友聊天一样输入一句简短的需求，Pilot 就会自动接管后续的所有统筹工作。 它能迅速识别任务类型，自动匹配最优的处理路径，将繁杂的模型挑选、提示词构建、工具调用全部包揽，让你轻松畅享一键直达结果的愉悦体验。 你可能会好奇，Pilot 为什么能如此精准地理解我们的意图？ 这要归功于其背后时刻都在成长进化的强大引擎——Bubble Engine。这是真正的“AI 学习 AI”。 当你提出一个新颖的需求时，Engine 会在后台自动生成海量的解决方案组合，  通过严格的测试框架与质量标准进行比对，最终将最高效、最完美的路径固化为通用的 SOP。 这意味着，在 xBubble 的生态里，随着大家的使用，高难度的技能会被自动沉淀，哪怕是零基础的小白 也能毫不费力地直接调用这些千锤百炼的最优解，获得大师级的交付品质。 为了满足极其多元的使用场景，xBubble 精心打造了两种极具安全感与实用性的运行环境。  第一种是云端的“Bubble Computer”，这是一个端到端的专属工作区。 面对需要搜集资料、撰写、排版等多步协同的复杂项目，它会自动开启安全的沙盒环境，按需加载所有技能，一气呵成地完成并交付最终成果。 第二种是主打本地陪伴的“Bubble Personal”模式，它能在你的设备上安全运行，协助管理本地文件与日程， 回想当初那个专注打磨提示词的夜晚，如果当时有 xBubble 的协助，我只需轻松输入一句“请帮我汇总今日链上热点并生成一份深度简报”， 便可去享受一杯香醇的咖啡，回来就能收获排版精美的专业成果。 科技演进的终极方向，永远是让人的创造力得到最大程度的释放。 正如 xBubble 所倡导的核心愿景：AI 应该学习 AI，AI 应该使用 AI，而用户，只需陈述目标。 兄弟们冲一波官网： dappOS 官网（

把特朗普的持仓报告扒了下挖到两个质量还不错的公司 $ADBE 大名鼎鼎的 Adobe ，目前价格$241， 市盈率只有 13，总市值千亿美金，10.8% 的自由现金流收益率和 89% 的毛利率，还有250 亿美元的回购计划。但是价格这么低不是没有原因的，因为受到 AI 冲击，订阅式的商业模式不再适用。 目前来看Adobe 不是一家正在死掉的公司，是一家正在变慢的公司。 $WDAY 和 SNOW 和 NOW、CRM 等同一赛道，Workday解决的是企业核心管理系统的刚需——人力资本管理（HCM）和财务管理（FMS），目前价格$130 目前正站在一个关键的十字路口，市场既害怕AI颠覆它的商业模式，又期待AI成为它的新增长引擎。 今天晚点会更新一下，投研报告，记得关注 @lianyanshe

体验了一下 @xBubble_ai @dappOS_com 的功能，感想颇多！ 说句扎心的，撸毛圈现在真正拉开差距的，很多时候已经不是信息差了，而是谁更会把 AI 用起来。 不少人不是没看到早期项目，也不是不敢冲，更不是不会用 AI 工具，而是在使用工具时卡在了繁琐的前置流程中： 1、改 Prompt 2、调脚本 3、发现问题 4、再改 Prompt 这样循环往复会浪费大量时间。窗口期本来就短，结果时间都耗在"让 AI 先跑通"这件事上，等你好不容易折腾明白，机会也差不多过去了。所以，如果有一个 AI 工具不需要你循环往复地做这些事，而是你简单提一嘴就能轻松帮你解决各类问题，效率就会大大提高。 而 dappOS xBubble 就是我说的这类工具。它有意思的点就在于——它不是让你先学一堆东西再来用 AI，而是尽量把这些门槛直接拿掉。不用自己写代码，不用反复调 Prompt。 举一个例子，这里我分别对市面上某AI工具以及xBubble提出了一个诉求："请为我找出 10 个当下可交互且未发币的 Web3 撸毛项目"。这刚好也是我平时撸毛+投研中非常需要使用到AI的场景也就是项目投研，如果还靠传统的方式去找项目的话效率太低了。 下面是俩个不同的AI工具给我制作的可交互项目图 1、图 1 是某 AI 平台生成的 可以明显看出，尽管它生成了 10 个项目，但这些项目大多已经发币，且很多任务都已截止。对于这种情况，我一般需要反复调试 4-5 次才能真正达到理想效果。 2、图 2 是 xBubble 生成的 对比非常明显，它理解了我真正的意图，甚至把项目的融资情况、项目介绍都列了出来。从专业性和绘图的精美度上来看，都是遥遥领先的。 那么为什么 xBubble 能如此快速、精确且专业地解决问题呢？ 这主要得益于其巧妙的设计。xBubble 由 Pilot（执行）与 Engine（学习）构成：Pilot 将请求匹配至 SOP；Engine 自动研发并固化 SOP。两者协作实现 AI 自主学习与任务处理的闭环。简单来说，用户只要说一句话，它就能替你调动 AI 解决问题，且其强大的学习能力能自发地迭代进化。 所以，让合适的、专业的 AI 去处理问题，人才有精力去抓红利。好的工具不仅能节省你的时间，也能提供更大的便利！ 【官推】 【dappos官网】 【xbubble官网】